## 留言板

 引用本文: 杨峰, 张婉莹. 一种多模型贝努利粒子滤波机动目标跟踪算法[J]. 电子与信息学报, 2017, 39(3): 634-639.
YANG Feng, ZHANG Wanying. Multiple Model Bernoulli Particle Filter for Maneuvering Target Tracking[J]. Journal of Electronics and Information Technology, 2017, 39(3): 634-639. doi: 10.11999/JEIT160467
 Citation: YANG Feng, ZHANG Wanying. Multiple Model Bernoulli Particle Filter for Maneuvering Target Tracking[J]. Journal of Electronics and Information Technology, 2017, 39(3): 634-639.

## Multiple Model Bernoulli Particle Filter for Maneuvering Target Tracking

Funds:

The National Natural Science Foundation of China (61135001, 61374159, 61374023), Seed Foundation of Innovation and Creation of Graduate Students in Northwestern Polytechnical University (Z2016149)

• 摘要: 交互式多模型贝努利粒子滤波器(Interacting Multiple Model Bernoulli Particle Filter, IMMBPF)适用于杂波环境下的机动目标跟踪。但是IMMBPF将模型信息引入粒子采样过程中会导致用于逼近当前时刻真实状态与模型的粒子数减少，而且每次递推各模型间的粒子都要进行交互，存在计算量过大的缺点。为提升IMMBPF中单个采样粒子对于真实目标状态和模型逼近的有效性，该文提出一种改进的多模型贝努利粒子滤波器(Multiple Model Bernoulli Particle Filter, MMBPF)。预先选定每一个模型的粒子数，且模型间的粒子不需要进行交互，减少了计算负荷。模型概率由模型似然函数计算得到，在不改变模型的马尔科夫性质的条件下避免了小概率模型的粒子退化现象。仿真实验结果表明，所提出的MMBPF与IMMBPF相比，用较少的粒子数就可获得更优的跟踪性能。
•  [1] RISTIC B, VO B T, VO B N, et al. A tutorial on Bernoulli filters: Theory, implementation and applications[J]. IEEE Transactions on Signal Processing, 2013, 61(13): 3406-3430. doi:  10.1109/TSP.2013.2257765. [2] VO B T, VO B N, HOSEINNEZHAD, et al. Robust multi-Bernoulli filtering [J]. IEEE Selected Topics in Signal Processing, 2013, 7(3): 399-409. doi: 10.1109/JSTSP.2013. 2252325. [3] PAPI F, KYOVTOROV V, GIULIANNO R, et al. Bernoulli filter for track-before-detect using MIMO radar[J]. IEEE Signal Processing Letters, 2014, 21(9): 1145-1149. doi:  10.1109/LSP.2014.2325566. [4] VO B T, SEE C M, MA N, et al. Multi-sensor joint detection and tracking with the Bernoulli filter[J]. IEEE Transactions on Aerospace and Electronic Systems, 2012, 48(2): 1385-1402. doi:  10.1109/TAES.2012.6178069. [5] GRAMSTROM K, WILLETT P, and BARSHALOM Y. A Bernoulli filter approach to detection and estimation of hidden Markov models using cluttered observation sequences[C]. IEEE International Conference on Acoustics, Speech and Signal Processing (ICASSP), Brisbane, Australia, 2015: 3911-3915. doi:  10.1109/ICASSP.2015.7178704. [6] BLOM H A P. An efficient filter for abruptly changing systems[C]. IEEE Proceedings of 23th Conference on Decision and Control, Las Vegas, NV, USA, 1984, Vol.23: 656-658. doi:  10.1109/CDC.1984.272089. [7] MCGINNITY S and IRWIN G W. Multiple model bootstrap filter for maneuvering target tracking[J]. IEEE Transactions on Aerospace and Electronic Systems, 2000, 36(3): 1006-1012. doi:  10.1109/7.869522. [8] 刘贵喜, 高恩克, 范春宇. 改进的交互式多模型粒子滤波跟踪算法[J]. 电子与信息学报, 2007, 29(12): 2810-2813. [9] LIU Guixi, GAO Enke, and FAN Chunyu. Tracking algorithms based on improved interacting multiple model particle filter[J]. Journal of Electronics Information Technology, 2007, 29(12): 2810-2813. [10] BOERS Y and DRIESSEN H. Interacting multiple model particle filter[J]. IEE Proceedings-Radar, Sonar and Navigation, 2003, 150(5): 344-349. doi: 10.1049/ip-rsn: 20030741. [11] DRIESSEN H and BOERS Y. Efficient particle filter for jump Markov nonlinear systems[J]. IEE Proceedings-Radar, Sonar and Navigation, 2005, 152(5): 323-326. doi: 10.1049/ ip-rsn:20045075. [12] YANG Wei, FU Yaowen, LONG Jianqian, et al. Random finite sets-based joint maneuvering target detection and tracking filter and its implementation[J]. IET Signal Processing, 2012, 6(7): 648-660. doi: 10.1049/iet-spr. 2011.0171. [13] DUNNE D and KIRUBARAJAN T. Multiple model multi-Bernoulli filters for maneuvering targets[J]. IEEE Transactions on Aerospace and Electronic Systems, 2013, 49(4): 2679-2692. doi:  10.1109/TAES.2013.6621845. [14] YANG Yanbo, ZOU Jie, YANG Feng, et al. An adaptive particle filter based on the mixing probability[C]. IEEE International Congress on Image and Signal Processing (CISP), Chongqing, China, 2012: 1480-1484. doi: 10.1109/ CSIP. 2012.6469724. [15] 鉴福升, 徐跃民, 阴泽杰. 改进的多模型粒子滤波机动目标跟踪算法[J]. 控制理论与应用, 2010, 27(8): 1012-1016. [16] JIAN Fusheng, XU Yueming, and YIN Zejie. Enhanced multiple model particle filter for maneuvering target tracking[J]. Control Theory Application, 2010, 27(8): 1012-1016.
•  [1] 刘海涛, 林艳明, 陈永华, 周尔民, 彭博.  基于遗传算法的智能粒子滤波重采样策略研究, 电子与信息学报. doi: 10.11999/JEIT200561 [2] 许红, 谢文冲, 袁华东, 段克清, 王永良.  基于自适应的增广状态-交互式多模型的机动目标跟踪算法, 电子与信息学报. doi: 10.11999/JEIT190516 [3] 张红颖, 王赛男, 胡文博.  基于粒子滤波与样本加权的压缩跟踪算法, 电子与信息学报. doi: 10.11999/JEIT170854 [4] 程兰, 王志远, 陈杰, 谢刚.  基于粒子滤波和滑动平均扩展Kalman滤波的多径估计算法, 电子与信息学报. doi: 10.11999/JEIT160587 [5] 夏小虎, 刘明.  联合约束级联交互式多模型滤波器及其在机动目标跟踪中的应用, 电子与信息学报. doi: 10.11999/JEIT160384 [6] 张东伟, 郭英, 张坤峰, 齐子森, 韩立峰, 尚耀波.  多跳频信号频率跟踪与二维波达方向实时估计算法, 电子与信息学报. doi: 10.11999/JEIT151170 [7] 徐从安, 何友, 夏沭涛, 程俊图, 董云龙.  基于随机摄动再采样的粒子概率假设密度滤波器, 电子与信息学报. doi: 10.11999/JEIT160114 [8] 程帅, 孙俊喜, 曹永刚, 刘广文, 韩广良.  多示例深度学习目标跟踪, 电子与信息学报. doi: 10.11999/JEIT150319 [9] 谷阳, 宋千, 李杨寰, 马明, 周智敏.  基于惯性鞋载传感器的人员自主定位粒子滤波方法, 电子与信息学报. doi: 10.11999/JEIT140362 [10] 靳标, 纠博, 苏涛, 刘宏伟, 张龙.  针对机动目标跟踪的雷达发射波形选择, 电子与信息学报. doi: 10.3724/SP.J.1146.2013.01744 [11] 谭顺成, 王国宏, 王娜, 何友.  基于概率假设密度滤波和数据关联的脉冲多普勒雷达多目标跟踪算法, 电子与信息学报. doi: 10.3724/SP.J.1146.2013.00106 [12] 孙景乐, 唐林波, 赵保军, 刘晴.  基于瑞利分布的粒子滤波跟踪算法, 电子与信息学报. doi: 10.3724/SP.J.1146.2012.01225 [13] 程婷, 何子述, 李亚星.  一种具有自适应关联门的杂波中机动目标跟踪算法, 电子与信息学报. doi: 10.3724/SP.J.1146.2011.00858 [14] 程江华, 关永峰, 库锡树, 孙即祥.  利用双窗口检测和粒子滤波提取高分辨率SAR图像道路中心点, 电子与信息学报. doi: 10.3724/SP.J.1146.2011.01062 [15] 蒋鹏, 宋华华.  基于动态分簇路由优化和分布式粒子滤波的传感器网络目标跟踪方法, 电子与信息学报. doi: 10.3724/SP.J.1146.2012.00059 [16] 张志强, 黄志蓓, 吴健康.  髋关节角多模型贝叶斯动态估计, 电子与信息学报. doi: 10.3724/SP.J.1146.2010.00885 [17] 李红伟, 王俊, 王海涛.  一种基于差分演化的粒子滤波算法, 电子与信息学报. doi: 10.3724/SP.J.1146.2010.01212 [18] 王一木, 潘赟, 严晓浪.  基于颜色的粒子滤波算法的改进与全硬件实现, 电子与信息学报. doi: 10.3724/SP.J.1146.2010.00294 [19] 唐续, 魏平, 陈欣.  PHD粒子滤波中目标状态提取方法研究, 电子与信息学报. doi: 10.3724/SP.J.1146.2009.01580 [20] 侯代文, 殷福亮.  非线性系统中状态和参数联合估计的双重粒子滤波方法, 电子与信息学报. doi: 10.3724/SP.J.1146.2007.00273
• 点击查看大图
##### 计量
• 文章访问数:  583
• HTML全文浏览量:  49
• PDF下载量:  446
• 被引次数: 0
##### 出版历程
• 收稿日期:  2016-05-09
• 修回日期:  2016-11-28
• 刊出日期:  2017-03-19

### 目录

/

• 分享
• 用微信扫码二维码

分享至好友和朋友圈

官方微信，欢迎关注